值得用 Agent 吗？
区分 Chatbot、Workflow、单 Agent 与多 Agent。
学习路线
上下文与工具
掌握 RAG、结构化输出和工具契约。
长任务不丢失
用状态图、记忆和 checkpoint 处理多步执行。
何时拆成多 Agent
比较路由收益与 token、延迟和协调成本。
能上线的证明
用 trace、Eval、权限、审批和回归测试验收。
可运行实例
先用 Mock，五分钟验收
零 API key 的第一步
课程默认离线运行，不调用外部模型，也不会产生费用。真实模型接入放在通过 Mock 验收之后。
git clone <课程仓库地址> cd agent-learning python3 -m venv .venv source .venv/bin/activate python -m pip install -r requirements.txt python -m unittest discover -s 实操 -p 'test_*.py' -v
完成不只是“回答正确”
- 工具失败时不编造结果。
- 高风险动作前能暂停并等待审批。
- 恢复和重试不会重复副作用。
- trace 能解释路由、权限、成本和延迟。
- Eval 能捕获回归和错误行为。
公开边界
这是 Knowabit Lab 中的一个有边界实验，不是线上 Agent 服务。GitHub 仓库负责教材、实例、测试和 Release；Knowabit 负责实验说明与入口。真实模型、密钥、用户数据和生产日志不进入本页面。